国产巨头追赶Claude Code，阿里/腾讯/字节都聚齐了

过去半年，以 Claude Code/Cowork、Codex 为代表的 Agent 产品毫无疑问是整个 AI 行业最清晰的一条主线。 6 月 30 日Anthropic 低调推出了 Claude Science，一个面向科学家的 AI 工作台。 图片来源：Anthropic Anthropic 的思路越来越清晰了。先让 Agent 承包代码（Claude Code），再让 Agent 处理各类办公任务（Claude Cowork），最后进入科研这类更复杂的专业场景（Claude Science）。 事实上，Anthropic 就是观察到市场和数据等非技术团队开始绕过聊天界面使用 Claude Code，于是才有了图形界面「封装」的 Claude Cowork。 而除了在底层模型持续迭代外，很多人可能不知道，国产 AI 在 Agent 产品上的追赶。阿里、腾讯、字节、Kimi、MiniMax、智谱都在做 Agent，各家基本也跟随 Anthropic 区分了 Code 和 Work 两类产品，不过侧重点也有所不同。 所以在模型能力还没有全面压过海外顶级产品之前，国产 AI 能不能靠更便宜、更开放、更贴近本土工作流的 Agent 产品，先把更多国内用户带向「Agent 工作我指挥」的工作方式？雷科技AGI（ID：leikejiagi）盘点一波试图给出答案。 腾讯 WorkBuddy：要做更多人的办公入口 腾讯 WorkBuddy 可能是国内知名度最高 Agent 产品了，毕竟很多人可能都在微信上看到了广告，也在「龙虾潮」的时候安装体验过。不过实际上除了 WorkBuddy，腾讯还有面向开发者的 CodeBuddy，基本上对应了 Claude Cowork 和 Code。 腾讯内部也已经把它用于研发和非技术团队，官方披露 CodeBuddy 覆盖了腾讯超过 95% 的工程师，WorkBuddy 则用于人和 AI 混编开发、帮助小团队更快迭代产品。 图片来源：腾讯 CodeBuddy 这里就不展开，相比代码开发，WorkBuddy 面向更宽的生产力场景，负责文档处理、内容整理、协作任务和泛办公需求。 腾讯的优势也在这里。WorkBuddy 可以充分利用腾讯文档、腾讯会议、ima 知识库、腾讯乐享以及微信的生态优势。 很多个人用户的材料、会议纪要、待办和沟通，本来就散在这些地方。所以很多人使用 WorkBuddy 的一个重要原因就是可以直接接住日常的「上下文」，然后在 WorkBuddy 整理内容、生成文档、推进任务。 Kimi Code/Work：把长文本塞进Agents工作流 面对 Agent 的浪潮，月之暗面是最近一批推出相应产品的大模型公司，也分成了 Kimi Code 和 Work。 Kimi Code 进入 CLI 和 IDE，能读写文件、执行命令、搜索代码、获取网页内容，也能为并行任务生成 subagents；Kimi Work 则面向本地工作流，可以挂载本地文件夹，通过 WebBridge 浏览网页，运行 Python，执行定时任务，并在修改文件或运行代码前要求用户确认。 图片来源：Kimi 过去很长一段时间，Kimi 给普通用户留下的印象就是「长文本」。读论文、读财报、读几十页 PDF、整理一大堆网页材料，这些本来就是 Kimi 最容易被用户感知到的能力。到了 Agent 阶段，Kimi 要做的事情也很自然：不只是读完材料回答问题，而是继续帮用户处理文件、跑脚本、改代码、生成结果。 如果说 Claude Code 和 Codex 的强项在于代码任务闭环，Kimi 更值得关注的，是它在试图把「长文本阅读」的优势变成「长程任务」的优势。同时在 Kimi Code 和 Work，Agent 集群也是一个绕不开的设计。按照官方说法，应对复杂问题时，Kimi 可以自动协调多个专业智能体，同时分解并解决多层次任务。 另外为了吸引金融用户，Kimi Work 还预集成了 A 股、港股和美股的深度数据源。而这些，可以说都构成了 Kimi Code 和 Work 的差异化体验。 阿里Qoder：从通义灵码，长成一套桌面 Agent 阿里 Qoder 有点特殊，它不是一个从零开始冒出来的新产品，而是从一个 AI IDE 产品（通义灵码），经过几轮迭代逐渐转变成新的 Agent 产品，并衍生出了 Qoder Desktop、QoderWork、QoderWake、Qoder CLI、Cloud Agents 等系列。 图片来源：阿里 Qoder 核心还是 Qoder Desktop 和 QoderWork 两个产品。Qoder Desktop 面向软件开发场景，更接近 Claude Code；QoderWork 面向日常工作，处理文件整理、数据处理、文档生成、浏览器自动化、桌面控制、定时任务这类日常工作任务，定位接近 Claude Cowork。 QoderWork 把 Agent 能力从代码搬到普通工作里。作为一款桌面端智能工作助手，QoderWork 可以通过自然语言完成文件整理、数据处理、文档生成，也能连接办公工具、操控浏览器和电脑；它还支持定时任务，适合每天拉数据、写周报、整理月度材料这类重复但不能漏的工作。 从产品设计来看，QoderWork 除了「通用」模式，还专门给出了「设计」「幻灯片」「写作」模式，在面向实际用户场景上明显有所侧重。但除此之外，还没看到太多的特色和优势。 MiniMax Code/Agent：模型Agent垂直整合 和前面几家一样，MiniMax 分别推出了 MiniMax Code 和 MiniMax Agent 两个产品。值得一提的是，随着 6 月新一代大模型 MiniMax M3 的发布，MiniMax Code 也迎来了一轮大更新。按照官方的说法，是专为 M3 设计、并与 M3 一起训练的 Agent 产品。 图片来源：MiniMax 简单来说，MiniMax Code 能够充分发挥 M3 在长上下文、Coding/Agentic、原生多模态方面的能力，是搭配 MiniMax-M3 的首选 Agent。体现到长程任务上，MiniMax Code 会将任务拆成 Workflow，由 Agent 集群协作，通过 Producer + Verifier 的对抗式 Harness 循环自主运行。 事实上，Claude Code 也推出了类似策略的 Dynamic Workflows（动态工作流），但 MiniMax Code 会更聚焦「深度反思与持续纠错」，Agent 会根据任务进展实时调整方案和优先级，用户也可以随时介入，追加需求或修正方向。 至于 MiniMax Agent，实际更早就尝试挑战长程任务，在 5 月更新中上线了 Mavis 模式，利用多 Agents 协作的方式，包括和 Codex 类似随时介入 Agent 思考和工作的设计，可以说是 6 月 MiniMax M3 发布和 MiniMax Code 更新之前的预演。 不过也要说明，这条路也最容易出现演示和真实体验之间的落差。长上下文不等于真的理解全局，多 Agent 协作也不等于结果一定更稳。角色越多、链路越长，中间任何一步跑偏，最后都可能放大成错误。 字节TRAE Work：从 AI IDE，走向通用工作台 严格来说，TRAE（SOLO）本身最早被更多人认识，还是因为它是一款 AI IDE，对标 Cursor、Claude Code 这类开发工具。但前段时间升级推出的 TRAE Work 已经把边界往外推了一步，官方定位也很直接：不只编码。 按照官方介绍，TRAE Work 提供 Web、Desktop 和 Mobile 多端入口，兼顾本地与云端任务，且不依赖于 TRAE IDE 运行。用户在桌面端发起任务之后，Agent 可以在云端或者本地继续运行，多个任务也可以并行推进；离开电脑之后，用户还可以在手机上查看进度、审查结果、继续调整方向。 图片来源：字节 TRAE 另外一提，TRAE Work 还分成 Work 和 Code 两种模式，你可以简单理解为字节的 Codex，将 Code、Work 两个 Agent 产品合二为一。Code 模式继续处理开发任务，Work 模式则面向更通用的工作场景，比如资料整理、项目推进、网页操作、文件处理和内容生成。不同的是，Codex 是真正的合二为一，TRAE Work 则是以两种模式运行，需要从不同模式入口进入。 这也很字节。相比腾讯 WorkBuddy 借助微信、文档、会议这些生态上下文，TRAE Work 更像一个面向个人和小团队的效率入口。它不一定要求用户先进入一套办公生态，而是先把「任务」变成核心单位：你只要把需求交给它，它就负责拆解、执行、反馈进度，用户在过程中随时介入。 另外，TRAE 还有一个值得注意的动作是开源 Trae Agent。按照 GitHub 页面介绍，Trae Agent 是一个面向软件工程任务的 LLM Agent 工具包，支持文件编辑、bash 执行、结构化思考和任务完成，也能接入多种模型供应商。 智谱 ZCode：先把 Code Agent 这条线做深 相比其他家，智谱的路线要更集中一些。它没有急着把自己包装成一个通用办公 Agent，而是明确先做开发者场景，推出了智谱 ZCode，但和 Kimi、MiniMax 一样瞄准了长程任务的难点和场景。这其实和很多国产 Agent 产品的思路不太一样。腾讯、阿里、Kimi、字节都在做 Code 和 Work 两条线。 值得一提的是，上月智谱发布惊艳行业的 GLM-5.2 时，还同步升级了 ZCode 3.0，全面切换自研 ZCode Agent 内核，并深度适配 GLM-5.2，针对长程推理、工具调用和大型工程执行链路做了优化。 图片来源：智谱 ZCode 3.0 还围绕实际开发体验做了一些补强，比如分组式任务工作区、Zread 项目知识库、可视化 Git 分支图谱等功能。这些听起来没有多 Agent 协作、长上下文那么性感，但都和 Code Agent 的稳定性有关：Agent 要接手一个工程任务，首先得看懂项目、记住上下文，也要让用户看得清它改了什么、走到哪一步。 这条路的优势是目标清楚，短板也很明显。ZCode 的用户盘子暂时不会像 WorkBuddy 或 TRAE Work 那么大，想象空间也更集中在开发者场景。但如果它能在复杂代码库、长程任务和工程验证上真正跑稳，反而更容易建立专业用户信任。 国产 Agent 的机会，藏在足够的差异化里 把这些产品放在一起看，国产 Agent 并不是在用同一种方式替代 Claude Code、Claude Cowork 和 Codex。 阿里 Qoder、字节 TRAE 和腾讯 Buddy 系列，大公司都做学 Anthropic 和 OpenAI 在 Code + Work，但产品路径和重心明显不一样。作为百模大战中活下来的大模型创业公司，Kimi、MiniMax 以及智谱都更注重技术优势，尝试攻克「长程任务」这个 Agent 必经之路，也都在强调从模型到 Agent 的垂直整合。 但最终看下来，国产 Agent 追的也不只是 Claude Code、Claude Cowork 或者 Codex 某一个产品，也是一种全新的工作方式：用户不再只问 AI 一个问题，而是把一件事交给 AI，再在过程中审查、修正、接管、继续指挥。 相比海外产品，国产 Agent 的优势首先是更贴近本土工作流。 Claude Code、Claude Cowork、Codex 的产品完成度更高，开发者心智也更强，但它们毕竟更围绕海外用户的软件生态、办公环境和订阅体系展开。国内用户每天使用的工具和系统，很多时候是微信、腾讯会议、腾讯文档、钉钉、飞书、本地文件、国产模型和企业内部知识库。Agent 如果接不住这些上下文，再强也容易停在演示和尝鲜阶段。 这也是 WorkBuddy、QoderWork、TRAE Work 的机会。它们未必一开始就比 Claude Cowork 更聪明，但如果能更顺手地进入国内用户已经熟悉的办公、沟通和文件环境里，就有机会先把使用频率做起来。 另一方面，国产 Agent 普遍更愿意接入不同模型，也更愿意把能力开放给开发者和企业改造。 对个人用户来说，这意味着可以在效果和成本之间切换；对企业来说，则意味着可以接自己的工具、权限、数据和业务流程。Agent 不是一个单纯的聊天产品，它天然需要接工具、接文件、接系统、接工作流。越往真实业务里走，这种可控性越重要。 总而言之，国产 Agent 现在不缺方向，Code、Work、多 Agent、长上下文、桌面工作台、云端任务、企业协同。接下来真正要看的，是谁能稳定完成更多真实任务。 用户第一次打开 Agent，可能是因为好奇。但用户第二天、第三天还愿意打开它，一定是因为它真的省事。 本文来自微信公众号“雷科技AGI”，作者：三七二十一，36氪经授权发布。